GCP深度学习虚拟机从M58升级到M66时报错，提示操作无法完成

• 当前实例配置不在M66版深度学习镜像的兼容范围内
  M66版本的官方深度学习镜像已经停止对部分旧款低规格机器系列的适配，比如早期N1系列的无GPU低配规格、已下线的E2 micro/small无加速配置，如果你的M58实例是这类配置创建的，控制台会直接拦截升级请求，弹出无具体细节的通用错误提示。
• 启动盘存在非官方的自定义修改
  如果在使用M58实例的过程中，你手动修改过启动盘的系统配置（比如自行替换过CUDA驱动版本、调整过系统分区、移除过镜像预装的系统组件），系统无法无风险替换为M66版本的官方启动镜像，就会阻断原地升级流程。
• 所在可用区未同步M66镜像资源
  GCP的公共镜像资源是按可用区分发的，部分边缘区域、新开放的可用区不会第一时间同步全版本镜像包，当控制台在当前实例所在区域检索不到M66镜像资源时，会直接返回通用的操作失败提示。
• 项目对应区域的配额无冗余
  原地升级操作需要临时调度网络、GPU资源完成实例配置重建，如果当前项目在该区域的静态外部IP配额、附加GPU配额已经被现有实例全部占满，没有可供升级流程临时使用的冗余配额，就会触发操作无法完成的报错。

• 先在实例详情页核对当前机器的配置规格，确认是否属于M66镜像的兼容范围，如果不满足，先调整实例规格到兼容列表内的配置，再重新尝试升级。
• 如果之前手动修改过启动盘的系统配置，不需要硬排查原地升级的阻断点：先把实例内的业务数据（训练代码、模型文件、数据集）备份到独立的持久化磁盘，直接创建搭载M66镜像的新实例，再把备份好的持久化磁盘挂载到新实例上即可——M66镜像预装了对应版本的PyTorch 1.8，这种迁移方式比原地升级的流程稳定性更高。
• 在实例创建页的镜像选择栏，检索当前所在区域是否能选择到M66版本的深度学习镜像，如果查不到，可将同配置的实例迁移到相邻的、已上线M66镜像的可用区后再执行升级操作。
• 核对项目在对应区域的VPC外部IP配额、Compute Engine GPU配额，确认存在至少1个冗余配额可供升级流程临时调用，如果配额不足，可先释放同区域下闲置的IP、GPU资源，或提交配额提升申请后再重试升级。

内容的提问来源于stack exchange，提问作者Craig